从今天开始学习极化SAR图像，记录于此。

　　极化散射矩阵S是用来表示单个像素散射特性的一种简便办法，它包含了目标的全部极化信息。

，在满足互易条件下，有。

　　目标的Mueller 矩阵定义为，式中M 即为目标的Mueller 矩阵，其计算表达式为，其中矩阵W定义为

，其中变换矩阵R为。已有文献证明：Mueller 矩阵M 与极化散射矩阵S 之间有唯一对应关系。

极化散射矩阵S描述了入射波Jones 矢量与散射波Jones 矢量之间的关系，而Mueller 矩阵则描述了入射波Stokes 矢量与散射波Stokes 矢量之间的关系。

极化协方差矩阵也称为复埃尔米特矩阵，同极化散射矩阵一样，它也包含了雷达测量得到的全部目标极化信息。极化SAR 图像处理过程一般都是在极化协方差矩阵和极化相干矩阵的基础上进行，它是进行多极化SAR数据分析和处理的基础。

通常情况下，极化协方差矩阵的计算是基于极化散射矩阵矢量化。对于互易介质，极化测量矢量可表示为。目标的极化协方差矩阵为矢量的Kronecker内积

。

极化相干矩阵与极化协方差矩阵仅存在线性变换关系，相比与极化协方差矩阵，它可以更好的解释散射机理。极化相干矩阵的获取也是基于极化散射矩阵的矢量化。Pauli 基矩阵的一个特殊性质就是可以用于极化散射矩阵的矢量化：

，这里除以系数是为了保证总功率相等。

Pauli 基的极化矢量k可以得到其相干矩阵T：。（T半正定）在互易情况下，根据Huynen分解理论，极化相干矩阵T

，其中统称为“Huynen参数”，它们对应于一定的目标散射信息，可以表示为极化散射矩阵参数的函数。

　　基于Cloude-Pottier分解的方法，将相干矩阵T做特征分解，从而得到三个参数。极化熵(entropy) H(0